姚青岐,馬訓(xùn)鳴,洪奔奔,高 磊

(西安工程大學(xué) 機電工程學(xué)院,陜西 西安 710048)

0 引 言

隨著“互聯(lián)網(wǎng)+”、《中國制造2025》的提出和穩(wěn)步推進(jìn),我國必須加強智能化紡織機械的研發(fā),以提高國際競爭力,將智能化技術(shù)引入傳統(tǒng)的紡織機械,能有效改善織機的工作效率,加快我國從制造大國向制造強國的轉(zhuǎn)變,實現(xiàn)紡織工業(yè)發(fā)展規(guī)劃(2016～2020年)制定的目標(biāo)[1-2].

對紡織機械開口機構(gòu)的有效控制是保障紡織產(chǎn)品能否高質(zhì)量、高產(chǎn)量的關(guān)鍵.由于復(fù)雜的電液開口機構(gòu)控制繁瑣,參數(shù)間耦合性較強,盡管傳統(tǒng)的PID控制操作簡單,容易實現(xiàn),在工程控制方面應(yīng)用廣泛,但很難對開口機構(gòu)的參數(shù)變化進(jìn)行自我調(diào)整,實現(xiàn)高精度、高性能的控制要求.

國內(nèi)在PID控制方面做了一些研究.文獻(xiàn)[3-4]提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)的PID的溫室溫度控制方法,該方法在RBF神經(jīng)網(wǎng)絡(luò)PID控制過程中,由神經(jīng)網(wǎng)絡(luò)RBF在線辨識得到了梯度信息,然后由得到的梯度信息對PID中的3個參數(shù)進(jìn)行在線調(diào)整,從而提高了溫室溫度系統(tǒng)的控制精度.文獻(xiàn)[5-6]提出了一種全自動的PID控制的電液比例開口裝置,該裝置可以通過輸入不同的程序來改變織物種類,解決了傳統(tǒng)開口機構(gòu)生產(chǎn)織物單一,不能適應(yīng)多品種織造,運轉(zhuǎn)不能達(dá)到高速平穩(wěn)等問題,實現(xiàn)了織機的自動化、智能化,大大提高了開口機構(gòu)的控制系統(tǒng)性能.文獻(xiàn)[7-8]中提出了一種PID調(diào)節(jié)的基于伺服電動缸驅(qū)動的開口機構(gòu),通過實驗獲得PID的最佳參數(shù).雖然這些智能控制方法取得了一 定的控制效果,但在實際的開口機構(gòu)控制過程中,參數(shù)的時變性會使得傳統(tǒng)的PID控制難以達(dá)到滿意的狀態(tài).

為此,提出一種基于神經(jīng)網(wǎng)絡(luò)PID的控制算法.在神經(jīng)網(wǎng)絡(luò)PID控制過程中,由傳感器監(jiān)測并反饋液壓系統(tǒng)的位移信息,然后將得到的位移信息經(jīng)由神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)的在線調(diào)整.Matlab的仿真實驗結(jié)果表明,該算法提高了電液開口機構(gòu)的控制精度,降低了超調(diào)量,使系統(tǒng)運行更加平穩(wěn).

1 電液開口機構(gòu)

電液開口機構(gòu)是將電液控制技術(shù)代替?zhèn)鹘y(tǒng)的曲柄四連桿和凸輪來控制綜框運動,是由上位機、下位機、液壓系統(tǒng)和支架4部分組成[9].電液開口機構(gòu)的智能化、自動化極大地提高了織機的工作效率,適應(yīng)了現(xiàn)代織造技術(shù)的發(fā)展.開口機構(gòu)是以PLC為核心的控制系統(tǒng)和具有執(zhí)行能力的液壓系統(tǒng),通過兩者之間的相互配合來完成對綜框上下運動的控制[10-12].電液開口機構(gòu)的工作原理如圖1所示.

圖 1 電液開口機構(gòu)工作原理圖Fig.1 Working principle diagram of electrohydraulic opening mechanism

根據(jù)所需要的織物組織花色,把開口機構(gòu)的綜框運動參數(shù)輸入到計算機內(nèi),計算機將綜框的運動參數(shù)轉(zhuǎn)化成綜框的運動控制信號并傳入PLC控制器中,PLC控制器把控制信號進(jìn)行處理放大，來控制信號控制改變電磁伺服閥上的線圈電流,從而控制電磁伺服閥的閥芯在閥體中的位置,以及伺服閥流量的大小和方向.伺服閥流量的大小和方向可以驅(qū)動伺服油缸按織物組織規(guī)律進(jìn)行運動,通過G型臂帶動綜框的上下有規(guī)律的運動.每個伺服油缸上安裝有位移傳感器,用于對綜框的控制.

2 神經(jīng)網(wǎng)絡(luò)PID控制

PID控制器因其操作簡便而成為工業(yè)控制中應(yīng)用最為廣泛的控制器,特別是在有著精確數(shù)學(xué)模型的場合[13].而電液開口機構(gòu)的液壓系統(tǒng)是一個復(fù)雜的被控對象,無法精確建立其精確的數(shù)學(xué)模型,限制了傳統(tǒng)PID技術(shù)對其控制效果.針對電液開口機構(gòu)液壓系統(tǒng)的特點,將神經(jīng)網(wǎng)絡(luò)應(yīng)用于傳統(tǒng)的PID控制使其補充和完善,從而使改進(jìn)后的控制器同時擁有傳統(tǒng)PID控制使用簡便和神經(jīng)網(wǎng)絡(luò)良好的參數(shù)調(diào)整能力等特點,增強了系統(tǒng)的自適應(yīng)力.

圖 2 神經(jīng)網(wǎng)絡(luò)PID控制算法框架圖Fig.2 Framework of neural network PID control algorithm

神經(jīng)網(wǎng)絡(luò)算法和傳統(tǒng)PID算法的結(jié)合,使得控制系統(tǒng)可以實時監(jiān)測和調(diào)整PID控制器的參數(shù),并通過神經(jīng)網(wǎng)絡(luò)對系統(tǒng)性能的學(xué)習(xí)來選擇該控制器最優(yōu)參數(shù).基于神經(jīng)網(wǎng)絡(luò)的PID控制算法框架如圖2所示[14-15].

神經(jīng)元PID控制器結(jié)構(gòu)如圖3所示.圖3中，r(k)和y(k)分別為控制量的目標(biāo)值和當(dāng)前值,u(k)為輸出作用率,z-1為神經(jīng)元比例系數(shù).

(1)

式中:u(k-1)為前一時刻的輸出作用率,K為神經(jīng)元的比例系數(shù),xi(k)為神經(jīng)元學(xué)習(xí)所需要的狀態(tài)量,ωi(k)為對應(yīng)狀態(tài)量所需的加權(quán)系數(shù).且x1(k)=e(k),x2(k)=e(k)-e(k-1),x3=e(k)-2e(k-1)+e(k-2),e(k)=r(k)-y(k).采用有監(jiān)督的Hebb學(xué)習(xí)規(guī)則對加權(quán)系數(shù)進(jìn)行調(diào)整,學(xué)習(xí)算法為

圖 3 神經(jīng)元自適應(yīng)PID控制結(jié)構(gòu)Fig.3 Neuron Adaptive PID Control Structure

(2)

式中:ηj為學(xué)習(xí)速率,而離散型PID控制器的模型為

(3)

結(jié)合式(1)和式(3)可知,Kω1(k),Kω2(k),Kω3(k)分別對應(yīng)kI,kP,kD.Kωi對系統(tǒng)的最終輸出有著重要影響.

為了提高該算法的性能,文獻(xiàn)[16]提出了采用二次型性能指標(biāo)算法,用二次型性能指標(biāo)對加權(quán)系數(shù)進(jìn)行調(diào)整,使輸出誤差和控制增量加權(quán)平方和為最小來調(diào)整加權(quán)系數(shù),從而實現(xiàn)對輸出誤差的控制.設(shè)性能指標(biāo)為

(4)

式中:P和Q分別為輸出誤差和控制增量的加權(quán)系數(shù),yd(k)和y(k)為k時刻的參考輸入和輸出.控制算法及學(xué)習(xí)算法為

(5)

(6)

(7)

式中:x1(k)=e(k),x2(k)=e(k)-e(k-1),x3=e(k)-2e(k-1)+e(k-2);ηI,ηP,ηD分別為積分I、比例P、微分D的學(xué)習(xí)速率;b0為輸出響應(yīng)的第一個值.

3 電液開口機構(gòu)控制方案

圖 4 電液開口機構(gòu)的神經(jīng)網(wǎng)絡(luò)PID網(wǎng)絡(luò)控制方案Fig.4 Neural network PID network control scheme of electrohydraulic opening mechanism

因電液開口機構(gòu)系統(tǒng)的綜框位移和伺服油缸活塞桿位移呈線性關(guān)系,且活塞桿位移容易獲取,本文以伺服油缸活塞桿位移為被控對象[17-19].實驗時,在上位機上輸入織物組織花色所需用的綜框運動規(guī)律參數(shù),也就是伺服油缸活塞桿的位移規(guī)律.同時,由下位機監(jiān)測獲取活塞桿的實際位移.將神經(jīng)網(wǎng)絡(luò)PID算法加入到控制系統(tǒng)中,神經(jīng)網(wǎng)絡(luò)PID控制器會根據(jù)上位機設(shè)定的綜框運動規(guī)律與位移傳感器反饋的伺服油缸中活塞連桿的運動位移來進(jìn)行比較,得出差值.控制器再對系統(tǒng)的設(shè)定值,輸出的實際值和得出的差值進(jìn)行計算、分析和處理后,給電磁伺服閥中電磁鐵上的線圈一個新的控制信號,在不斷重復(fù)的周期內(nèi)系統(tǒng)不斷進(jìn)行修正,實現(xiàn)參數(shù)自整定,使系統(tǒng)性能達(dá)到最優(yōu).控制信號是通過數(shù)字量和模擬量的相互轉(zhuǎn)化來實現(xiàn)電磁伺服閥所允許的電流范圍的電流信號和其流量的相互調(diào)節(jié).系統(tǒng)通過控制信號實時調(diào)節(jié)電磁伺服閥的開度來實現(xiàn)對伺服油缸活塞桿運動的精確控制[20].電液開口機構(gòu)的網(wǎng)絡(luò)控制方案圖如4所示.

4 仿真與分析

為了驗證基于神經(jīng)網(wǎng)絡(luò)PID的開口機構(gòu)的控制效果,由文獻(xiàn)[20]中的模型為實驗對象,其數(shù)學(xué)模型如式(8)所示.

(8)

采用Matlab對傳統(tǒng)PID控制和神經(jīng)網(wǎng)絡(luò)PID控制進(jìn)行仿真對比.所選取的傳遞函數(shù)為

取u=0.184 2,K=0.02,P=2,Q=1,d=4,比例、積分、微分3部分加權(quán)系數(shù)學(xué)習(xí)速率分別取ηI=4,ηP=114,ηD=146,ω1(0)=0.38,ω2(0)=0.52,ω3(0)=0.33.仿真結(jié)果如圖5～7所示.

圖 5 傳統(tǒng)PID控制響應(yīng)曲線 圖 6 神經(jīng)網(wǎng)絡(luò)PID算法整定響應(yīng)曲線Fig.5 Traditional PID control response curve Fig.6 Neural network PID algorithm tuning response curve

圖 7 神經(jīng)網(wǎng)絡(luò)PID控制算法的權(quán)值變化曲線Fig.7 Weight curve of neural network PID control algorithm

從圖5,6可以看出,神經(jīng)網(wǎng)絡(luò)PID控制器和傳統(tǒng)PID控制器相比,系統(tǒng)振蕩次數(shù)由2次降為1次,超調(diào)量為穩(wěn)態(tài)值的70%降為16%,系統(tǒng)的動態(tài)、靜態(tài)性能良好.由圖7可知,3個參數(shù)經(jīng)過很短時間便達(dá)到穩(wěn)定,由此可以看出,神經(jīng)網(wǎng)絡(luò)PID控制算法具有較高的響應(yīng)精度和較強的在線適應(yīng)能力.

5 結(jié)束語

文中提出了一種基于神經(jīng)網(wǎng)絡(luò)PID控制的電

液開口機構(gòu)控制方法,該方法針對開口機構(gòu)智能化的要求,利用神經(jīng)網(wǎng)絡(luò)優(yōu)秀的自學(xué)習(xí)能力對傳統(tǒng)的PID控制進(jìn)行改進(jìn).建立了神經(jīng)網(wǎng)絡(luò)模型,在神經(jīng)網(wǎng)絡(luò)PID控制過程中,由傳感器檢測并反饋液壓系統(tǒng)的位移信息;其次,將得到的位移信息經(jīng)過神經(jīng)網(wǎng)絡(luò)對PID的3個參數(shù)進(jìn)行在線調(diào)整.仿真結(jié)果表明,此PID控制能夠顯著提高電液開口機構(gòu)系統(tǒng)的動態(tài)響應(yīng)速度,為織物的高效率、高質(zhì)量提供了一個良好的平臺.